데이터과학을 위한 통계 리뷰 - 10일차 (검정통계량,Z-value,T-value,F-value,chi square,카이제곱검정,분류평가)

검정 통계량(복습)

 

 

 

 

Z-value

 

 

 

T-value

 

 

F-value

 

 

X^2(chi square)

 

 

---

3.5. T통계량 = T-value

표본 평균 차이의 통계적 지표

F-value 와의 차이는 그룹 간 차이 정도와 불확실도를 약간 변형한다.

예) 분모 : 두 표본그룹의 평균간 차이의 불확실도 ->  F- value : 표본 내에서 퍼진 정도

 

 

 

 

F-value와 T-value의 차이점

 

 

---

3.5   T검정

모집단의 분산이나 표준편차를 알지 못할 때,

표본으로부터 측정된 분산이나 표준편차를 이용하여 두 모집단의 평균의 차이를 알아보는 검정 방법

 

 

예시) 전통적 교수법과 새 교수법에 의한 학업성취도 차이를 유의수준 0.05에서 검정

 

 

 

---

3.5   T검정-2

 

 

---

---

3.9 카이제곱검정

•카이제곱 분포에 기초한 통계적 방법

•관찰된 빈도가 기대되는 빈도와 “의미있게 다른지” 여부 검증하기 위함

•자료가 범주형일 때, 특히 명목척도 자료의 분석에 이용됨

구분	제품 A	제품 B	제품 C	계
관찰빈도	324	78	261	663
기대빈도	371	80	212	663

 

 

 

 

 

카이제곱 그래프

 

 

1. linspace() = numpy 모듈 함수. 1차원 배열 만들기, 그래프 그리기에서 수평축의 간격 만들기 등에 편리하게 사용 가능한 함수

ex) x = np.linspace(start, stop, num) : 배열 시작 값, 배열 끝 값, start와 stop 사이를 몇 개의 일정한 간격으로 요소를 만들 것인지 나타내는 것

num 생략 시 defalut 값으로 50개 수열(1차원배열) 생성함

2. pdf() : 연속확률변수의 확률밀도함수 역할을 함. 표본 값을 입력하면 해당 표본 값에 대한 확률밀도 출력

3. axvline() : 그래프 위에 세로선을 그리는 함수

4. plt.text(x 위치, y위치, ~)  = 글자가 위치할 좌표 지정

 

 

 

---

분류평가

•기계학습에서 모델이나 패턴의 분류 성능 평가에 사용되는 지표.

•모델이 내놓은 답과 실제 정답의 관계로

 

1)정분류율(Accuracy)

Accuracy =  (TP+TN)/(TN+TP+FN+FP)

2)오분류율(Error Rate)

1 - Accuracy =  (FP+FN)/(TN+TP+FN+FP)

3)특이도(Specificity)

Specificity =  TN/(TN+FP)(TNR :True Nagative Rate)

 

 

출처:

http://hleecaster.com/ml-accuracy-recall-precision-f1/

머신러닝 분류 모델의 성능 평가 지표 Accuracy, Recall, Precision, F1 - 아무튼 워라밸

 

 

F1 Score = 조화평균 : 두 지표를 모두 균형있게 반영하여 모델의 성능이 좋지 않다는 것을 잘 확인하기 위함이다.

 

출처 :

https://m.blog.naver.com/PostView.nhn?blogId=2feelus&logNo=221266173496&proxyReferer=https:%2F%2Fwww.google.com%2F

Precison, Recall, F1 score and support

ROC Curve(Receiver Operating Characteristic Curve)

•이진분류에 대한 성능 평가 기법.

•가로축 FPR(1 – 특이도), 세로축 TPR(민감도)

•왼쪽 상단에 가까울 수록 올바른 예측 비율이 높음

 

AUROC(Area Under ROC, AUC)

•ROC곡선 아래의 면적

•1에 가까울 수록 좋다.

 

 

https://nittaku.tistory.com/295

14. 다중 분류 모델의 성능측정 - Performance Measure( ACU, F1 score)

---

3.2 가설검정

제 1종 오류 : 귀무가설이 참인데 기각하는 것

제 2종 오류 : 귀무가설이 거짓인데 채택하는 것

 

α : 제1종 오류가 발생할 확률

β : 제 2종 오류가 발생할 확률  

-> 가설 검정에 대한 유의 수준

 

 

출처: 

https://drhongdatanote.tistory.com/59

[개념 통계 18] 귀무가설과 대립가설이란 무엇인가?

제1종 오류

 

 

제2종 오류

 

 

귀무가설  VS 대립가설 문제 1

 

 

 

귀무가설  VS 대립가설 문제 2